最优控制问题是现代控制理论研究的热点之一,主要目标是选取一个容许的控制律,对被控对象的动态特征进行控制,实现性能指标的最优化。自适应动态规划能够通过函数近似结构逼近系统的代价函数和控制律,很好的规避了一般动态规划方法的“维数灾”问题,是目前有效解决复杂非线性系统最优控制问题的最有效方法之一。因此,将自适应动态规划和最优控制理论相结合具有重要意义,能够解决系统控制中存在的多种问题,从而大大提高控制性能。首先,考虑了一般离散时间非线性系统的控制约束问题。为了克服输入受限问题,将效用函数设计为非二次型形式。利用神经网络函数近似系统的代价函数及其偏导数,并通过迭代更新神经网络参数获取近似最优控制律。仿真对比了考虑控制约束和不考虑控制约束的迭代算法的控制性能表现,验证了所提方法的有效性。其次,为了有效利用计算资源,减少资源浪费,提出了一种离散时间非线性系统的自适应事件触发约束控制方法。设计了一个触发条件,并证明了该条件下系统是渐近稳定的。在线对神经网络进行迭代更新,从而获得事件触发控制下的近似最优控制策略。仿真验证了所提事件触发约束控制方法的出色性能。最后,针对一类离散时间非线性切换系统,提出了一种自适应近似最优控制方法。设计了一个新颖的模型网络估计系统的输入状态,以获得系统动态信息。对神经网络结构进行离线迭代训练,获得切换系统的近似最优控制策略。仿真验证了基于自适应动态规划的切换系统最优控制方法的有效性。